预解式生成的广义谱算子用于非线性动力系统：基于库普曼半群方法

《Mathematics》：Resolvent-Generated Generalized Spectral Operators for Nonlinear Dynamical Systems via Koopman Semigroups Rui A. P. Perdig?o

　　

本文提出了一种改进的混合欧拉-拉格朗日框架，该框架通过自适应网格细化（Adaptive Mesh Refinement, AMR）技术进行了增强，用于模拟变形界面上的被动标量输运。研究人员采用欧拉水平集（Level-Set）方法捕捉界面变形，同时利用单层光滑粒子流体动力学（Smoothed Particle Hydrodynamics, SPH）方法求解界面输运方程。由此，所提出的混合方法结合了欧拉公式的高效性与SPH方法的严格质量守恒特性。为进一步加速模拟，研究人员将AMR应用于欧拉求解器，并将粒子限制在最细的细化级别上。为缓解拉格朗日粒子聚集问题，研究人员采用了一种重啮合过程，该过程在最细网格上生成适应局部界面几何结构的粒子分布。该重啮合还能实现界面浓度场的精确、质量守恒重构。此外，通过引入自适应重啮合策略，研究人员调整重啮合频率以平衡计算成本与精度。所提出方法的准确性和鲁棒性通过一系列基准测试案例得到验证。同时，研究人员通过基准测试案例评估了AMR的有效性，验证了其与界面SPH方法的兼容性，并量化了由此带来的加速效果。

### 论文解读

#### 研究背景与动机
在多相流中，界面上的表面活性剂（surfactant）会改变表面张力、重塑界面甚至改变其拓扑结构，从而影响众多工程过程。准确模拟界面被动标量输运是理解表面活性剂动力学的前提。现有方法包括欧拉方法、拉格朗日方法和混合方法，但高精度、严格质量守恒与高效率之间仍存在矛盾。欧拉方法因界面位置与网格节点不匹配导致质量不守恒；拉格朗日方法虽天然守恒但存在粒子聚集问题；混合方法结合二者优势，但网格或粒子质量在界面变形时难以保证。Fan等人[9]提出的水平集-光滑粒子流体动力学（Level-Set/SPH）混合方法实现了严格质量守恒并简化了数据结构，但在均匀细网格上计算效率有限。为提升效率，自适应网格细化（AMR）技术提供了一种可能，但如何将其有效集成到该混合方法中仍缺乏研究。因此，本研究将AMR技术融入Fan等人的混合框架，实现仅在界面附近加密网格，同时保持简单性和质量守恒性，并评估其效果。

#### 研究内容与结论
研究人员提出了一种改进的混合欧拉-拉格朗日方法，将块结构AMR技术[11]集成到欧拉分量中，仅对界面附近区域进行网格细化。拉格朗日分量中的SPH粒子被限制在最细细化级别的界面切割单元上，从而在局部均匀细网格上求解界面输运，同时大幅降低欧拉求解器的整体计算成本。针对拓扑变化，研究人员引入邻域识别策略以过滤非物理邻居。通过理论分析证明方法的一致性、守恒性和稳定性。通过一系列基准测试验证了方法的准确性和鲁棒性，包括圆平移、简单剪切流中的圆变形、点源流动、哑铃形界面的拓扑变化、马兰戈尼（Marangoni）驱动的圆迁移、表面活性剂作用下的剪切流液滴变形以及气泡向平面壁的沉降。结果表明，该方法在强变形和拓扑变化下仍保持高精度，质量损失率维持在机器精度量级（约10^-15），且AMR技术带来显著加速（最高约2.28倍）。论文发表在《Mathematics》期刊。

#### 主要技术方法
研究人员采用以下关键技术方法：（1）**块结构自适应网格细化（AMR）**：基于水平集场动态标记单元格包，在界面附近递归细化网格，粗网格块仅处理单相区域，减少计算量；（2）**单层光滑粒子流体动力学（SPH）**：在界面切割单元上生成单层粒子，利用核函数离散化界面输运方程（包括对流和扩散），实现严格质量守恒；（3）**自适应重啮合方法**：基于粒子分布质量指标Q（体积偏差），当Q超过阈值时生成新粒子并进行松弛迭代以获得均匀分布，再通过泰勒展开最小化浓度场误差将旧粒子质量重分配到新粒子，保持精度和质量守恒；（4）**物理邻域识别**：在拓扑变化时，通过比较粒子法向量内积（→??_p·→??_q ≥0）过滤非物理邻居，避免负质量。所有模拟使用自研C++代码，在Intel Core i9-10980XE CPU工作站上运行，通过Intel TBB并行化，每个线程分配16×16单元格块。

#### 研究结果

**5.1 圆上被动标量平移**
通过均匀和非均匀初始浓度分布测试。均匀初始浓度下，维持均匀粒子分布时重分配过程满足零阶一致性；非均匀情况下浓度图案保持良好，最大最小值偏差极小，表明数值扩散和弥散很小。

**5.2 给定简单剪切流中的圆**
圆在剪切流中变形为椭圆，浓度有解析解。最终时刻数值解的最大浓度约1.28，与精确值1.2806接近；L₁误差为3.1×10^-4，证明方法准确性。

**5.3 点源流动中的圆**
圆在径向拉伸流中膨胀至初始尺寸的6倍。AMR在界面附近保持高分辨率，重啮合过程自适应生成新粒子，避免传统粒子方法因粒子间距超过截止半径而失败的问题。

**5.4 哑铃的拓扑变化**
哑铃形界面在曲率驱动流下收缩、断裂并最终平滑。AMR在整个演化过程中（包括拓扑变化）正确识别并细化界面附近区域，验证了方法对拓扑变化的鲁棒性。

**5.5 温度梯度诱导的迁移液滴**
单一马兰戈尼力驱动的圆柱液滴在温度梯度下迁移，速度达到解析解的97%，证明表面张力和马兰戈尼力计算的正确性。液滴内的大涡旋与文献一致。AMR将计算时间从4213秒降至1320秒，加速约3倍。

**5.6 两相流中的液滴变形**
液滴在剪切流中变形，变形参数（D_P）随时间变化并与参考文献吻合。质量损失率约10^-15，归因于机器误差。AMR加速约1.5倍（3级网格）至2.28倍（4级网格），重啮合耗时仅占总时间的3.3%。

**5.7 气泡向平面壁沉降**
考虑体力、表面张力、界面输运和马兰戈尼力。网格收敛性测试显示128×128与256×256结果接近。含表面活性剂时，气泡靠近壁面的变形减弱（凹坑被抑制），与文献一致。质量损失率约10^-15。AMR加速约1.76倍，重啮合仅占1.1%总时间。

#### 讨论与结论
本研究提出了一种改进的混合水平集/SPH方法，用于模拟运动界面上的被动标量浓度演化。SPH方法因其拉格朗日性质和反对称离散化固有地保持质量守恒，水平集方法结合AMR技术捕获界面演化并加速模拟。通过数值测试验证了方法在强变形及拓扑变化下的高精度。在两相流中，液滴迁移、变形及气泡沉降的结果均与解析解或文献数据吻合。质量损失率维持在机器精度水平。AMR可根据需要选择性加密界面附近区域，在保证精度的同时显著降低计算成本。本方法的局限性在于所提出的邻域识别无法在数学严格意义上排除所有非物理邻居。未来工作将改进邻域识别方法并提供更严格的理论分析，此外计划扩展至矢量化、GPU加速及可溶表面活性剂模型。研究结论：所提出的混合方法在模拟界面被动标量输运中具有高精度、严格质量守恒和高效率的特点，AMR技术有效降低了计算成本。